spark常見錯誤彙總
原文地址：https://my.oschina.net/tearsky/blog/629201
摘要：
1、Operation category READ is not supported in state standby
2、配置spark.deploy.recoveryMode選項為ZOOKEEPER
3、多Master如何配置
4、No Space Left on the device（Shuffle臨時檔案過多）
5、java.lang.OutOfMemory, unable to create new native thread
6、Worker節點中的work
7、spark-shell提交Spark Application如何解決依賴庫
8、Spark在釋出應用的時候，出現連線不上master問題
9、開發spark應用程式（和Flume-NG結合時）釋出應用時可能出現org.jboss.netty.channel.ChannelException: Failed to bind to: /192.168.10.156:18800
10、spark-shell 找不到hadoop so問題解決
11、ERROR XSDB6: Another instance of Derby may have already booted the database /home/bdata/data/metastore_db.
12、java.lang.IllegalArgumentException: java.net.UnknownHostException: dfscluster
13、Exception in thread "main" java.lang.Exception: When running with master 'yarn-client' either HADOOP_CONF_DIR or YARN_CONF_DIR must be set in the environment.
14、Job aborted due to stage failure: Task 3 in stage 0.0 failed 4 times, most recent failure: Lost task 3.3 in
15、長時間等待無反應，並且看到伺服器上面的web介面有記憶體和核心數，但是沒有分配
16、記憶體不足或資料傾斜導致Executor Lost（spark-submit提交）
17、java.io.IOException : Could not locate executable null\bin\winutils.exe in the Hadoop binaries.（spark sql on hive 任務引發HiveContext NullPointerException）
18、The root scratch dir: /tmp/hive on HDFS should be writable. Current permissions are: rwx------
19、Exception in thread "main"org.apache.hadoop.security.AccessControlException: Permission denied: user=Administrator, access=WRITE, inode="/data":bdata:supergroup:drwxr-xr-x
20、執行Spark-SQL報錯：org.apache.spark.sql.AnalysisException: unresolved operator 'Project‘
21、org.apache.spark.shuffle.MetadataFetchFailedException:Missing an output location for shuffle 0/Failed to connect to hostname/192.168.xx.xxx:50268
注意：如果Driver寫好了程式碼，eclipse或者程式上傳後，沒有開始處理資料，或者快速結束任務，也沒有在控制檯中列印錯誤，那麼請進入spark的web頁面，檢視一下你的任務，找到每個分割槽日誌的stderr，檢視是否有錯誤，一般情況下一旦驅動提交了，報錯的情況只能在任務日誌裡面檢視是否有錯誤情況了
1、Operation category READ is not supported in state standby
org.apache.hadoop.ipc.RemoteException(org.apache.hadoop.ipc.StandbyException): Operation category READ is not supported in state standby
此時請登入Hadoop的管理介面檢視執行節點是否處於standby
如登入地址是：
如果是，則不可在處於StandBy機器執行spark計算，因為該臺機器為備分機器
2、配置spark.deploy.recoveryMode選項為ZOOKEEPER
如果不設定spark.deploy.recoveryMode的話，那麼叢集的所有執行資料在Master重啟是都會丟失，可參考BlackHolePersistenceEngine的實現。
3、多Master如何配置
因為涉及到多個Master，所以對於應用程式的提交就有了一點變化，因為應用程式需要知道當前的Master的IP地址和埠。這種HA方案處理這種情況很簡單，只需要在SparkContext指向一個Master列表就可以了，如spark://host1:port1,host2:port2,host3:port3，應用程式會輪詢列表。
4、No Space Left on the device（Shuffle臨時檔案過多）
由於Spark在計算的時候會將中間結果儲存到/tmp目錄，而目前linux又都支援tmpfs，其實就是將/tmp目錄掛載到記憶體當中。
那麼這裡就存在一個問題，中間結果過多導致/tmp目錄寫滿而出現如下錯誤
No Space Left on the device
解決辦法
第一種：修改配置檔案spark-env.sh,把臨時檔案引入到一個自定義的目錄中去即可
export SPARK_LOCAL_DIRS=/home/utoken/datadir/spark/tmp
第二種：偷懶方式，針對tmp目錄不啟用tmpfs,直接修改/etc/fstab
cloudera manager 新增引數配置：篩選器=>高階=>搜尋“spark_env”字樣，新增引數export SPARK_LOCAL_DIRS=/home/utoken/datadir/spark/tmp到所有配置項
5、java.lang.OutOfMemory, unable to create new native thread
Caused by: java.lang.OutOfMemoryError: unable to create new native thread
at java.lang.Thread.start0(Native Method)
at java.lang.Thread.start(Thread.java:640)
上面這段錯誤提示的本質是Linux作業系統無法建立更多程序，導致出錯，並不是系統的記憶體不足。因此要解決這個問題需要修改Linux允許建立更多的程序，就需要修改Linux最大程序數。
[[email protected] ~]$ulimit -a
臨時修改允許開啟的最大程序數
[[email protected] ~]$ulimit -u 65535
臨時修改允許開啟的檔案控制代碼
[[email protected] ~]$ulimit -n 65535
永久修改Linux最大程序數量
[[email protected] ~]$ vim /etc/security/limits.d/90-nproc.conf
* soft nproc 60000
root soft nproc unlimited
永久修改使用者開啟檔案的最大控制代碼數，該值預設1024，一般都會不夠，常見錯誤就是not open file
[[email protected] ~]$ vim /etc/security/limits.conf
bdata soft nofile 65536
bdata hard nofile 65536
6、Worker節點中的work目錄佔用許多磁碟空間
目錄地址：/home/utoken/software/spark-1.3.0-bin-hadoop2.4/work
這些是Driver上傳到worker的檔案，需要定時做手工清理，否則會佔用許多磁碟空間
7、spark-shell提交Spark Application如何解決依賴庫
spark-shell的話，利用--driver-class-path選項來指定所依賴的jar檔案，注意的是--driver-class-path後如果需要跟著多個jar檔案的話，jar檔案之間使用冒號(:)來分割。
8、Spark在釋出應用的時候，出現連線不上master問題，如下
15/11/19 11:35:50 INFO AppClient$ClientEndpoint: Connecting to master spark://s1:7077...
15/11/19 11:35:50 WARN ReliableDeliverySupervisor: Association with remote system [akka.tcp://[email protected]:7077] has failed, address is now gated for [5000] ms. Reason: [Disassociated]
解決方式
檢查所有機器時間是否一致、hosts是否都配置了對映、客戶端和伺服器端的Scala版本是否一致、Scala版本是否和Spark相容
檢查是否相容問題請參考官方網站介紹：
9、開發spark應用程式（和Flume-NG結合時）釋出應用時可能出現org.jboss.netty.channel.ChannelException: Failed to bind to: /192.168.10.156:18800
15/11/27 10:33:44 ERROR ReceiverSupervisorImpl: Stopped receiver with error: org.jboss.netty.channel.ChannelException: Failed to bind to: /192.168.10.156:18800
15/11/27 10:33:44 ERROR Executor: Exception in task 0.0 in stage 2.0 (TID 70)
org.jboss.netty.channel.ChannelException: Failed to bind to: /192.168.10.156:18800
at org.jboss.netty.bootstrap.ServerBootstrap.bind(ServerBootstrap.java:272)
Caused by: java.net.BindException: Cannot assign requested address
由於spark通過Master釋出的時候，會自動選取傳送到某一臺的worker節點上，所以這裡繫結埠的時候，需要選擇相應的worker伺服器，但是由於我們無法事先了解到，spark釋出到哪一臺伺服器的，所以這裡啟動報錯，是因為在 192.168.10.156:18800的機器上面沒有啟動Driver程式，而是釋出到了其他伺服器去啟動了，所以無法監聽到該機器出現問題，所以我們需要設定spark分發包時，釋出到所有worker節點機器，或者釋出後，我們去尋找釋出到了哪一臺機器，重新修改繫結IP，重新發布，有一定機率釋出成功。詳情可見《印象筆記-戰5渣系列——Spark Streaming啟動問題 - 推酷》
10、spark-shell 找不到hadoop so問題解決
[main] WARN org.apache.hadoop.util.NativeCodeLoader - Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
在Spark的conf目錄下，修改spark-env.sh檔案，加入LD_LIBRARY_PATH環境變數，值為HADOOP的native庫路徑即可.
11、ERROR XSDB6: Another instance of Derby may have already booted the database /home/bdata/data/metastore_db.
在使用Hive on Spark模式操作hive裡面的資料時，報以上錯誤，原因是因為HIVE採用了derby這個內嵌資料庫作為資料庫，它不支援多使用者同時訪問,解決辦法就是把derby資料庫換成mysql資料庫即可
變更方式
12、java.lang.IllegalArgumentException: java.net.UnknownHostException: dfscluster
解決辦法：
找不到hdfs叢集名字dfscluster,這個檔案在HADOOP的etc/hadoop下面，有個檔案hdfs-site.xml，複製到Spark的conf下，重啟即可
如：執行指令碼，分發到所有的Spark叢集機器中，
[[email protected] hadoop]foriin34,35,36,37,38;doscphdfs−site.xml192.168.10.foriin34,35,36,37,38;doscphdfs−site.xml192.168.10.i:/u01/spark-1.5.1/conf/ ; done
13、Exception in thread "main" java.lang.Exception: When running with master 'yarn-client' either HADOOP_CONF_DIR or YARN_CONF_DIR must be set in the environment.
問題：在執行yarn叢集或者客戶端時，報以上錯誤，
[[email protected] bin]$ ./spark-sql --master yarn-client
Exception in thread "main" java.lang.Exception: When running with master 'yarn-client' either HADOOP_CONF_DIR or YARN_CONF_DIR must be set in the environment.
解決辦法
根據提示，配置HADOOP_CONF_DIR or YARN_CONF_DIR的環境變數即可
export HADOOP_HOME=/u01/hadoop-2.6.1
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
PATH=PATH:PATH:HOME/.local/bin:HOME/bin:HOME/bin:SQOOP_HOME/bin:HIVEHOME/bin:HIVEHOME/bin:HADOOP_HOME/bin
14、Job aborted due to stage failure: Task 3 in stage 0.0 failed 4 times, most recent failure: Lost task 3.3 in
[Stage 0:> (0 + 4) / 42]2016-01-15 11:28:16,512 [org.apache.spark.scheduler.TaskSchedulerImpl]-[ERROR] Lost executor 0 on 192.168.10.38: remote Rpc client disassociated
[Stage 0:> (0 + 4) / 42]2016-01-15 11:28:23,188 [org.apache.spark.scheduler.TaskSchedulerImpl]-[ERROR] Lost executor 1 on 192.168.10.38: remote Rpc client disassociated
[Stage 0:> (0 + 4) / 42]2016-01-15 11:28:29,203 [org.apache.spark.scheduler.TaskSchedulerImpl]-[ERROR] Lost executor 2 on 192.168.10.38: remote Rpc client disassociated
[Stage 0:> (0 + 4) / 42]2016-01-15 11:28:36,319 [org.apache.spark.scheduler.TaskSchedulerImpl]-[ERROR] Lost executor 3 on 192.168.10.38: remote Rpc client disassociated
2016-01-15 11:28:36,321 [org.apache.spark.scheduler.TaskSetManager]-[ERROR] Task 3 in stage 0.0 failed 4 times; aborting job
Exception in thread "main" org.apache.spark.SparkException : Job aborted due to stage failure: Task 3 in stage 0.0 failed 4 times, most recent failure: Lost task 3.3 in stage 0.0 (TID 14, 192.168.10.38): ExecutorLostFailure (executor 3 lost)
Driver stacktrace:
at org.apache.spark.scheduler.DAGScheduler.orgapacheapachesparkschedulerschedulerDAGScheduler$$failJobAndIndependentStages(DAGScheduler.scala:1283)
解決方案
這裡遇到的問題主要是因為資料來源資料量過大，而機器的記憶體無法滿足需求，導致長時間執行超時斷開的情況，資料無法有效進行互動計算，因此有必要增加記憶體
15、長時間等待無反應，並且看到伺服器上面的web介面有記憶體和核心數，但是沒有分配，如下圖
[Stage 0:> (0 + 0) / 42]
或者日誌資訊顯示：
16/01/15 14:18:56 WARN TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources
解決方案
出現上面的問題主要原因是因為我們通過引數spark.executor.memory設定的記憶體過大，已經超過了實際機器擁有的記憶體，故無法執行，需要等待機器擁有足夠的記憶體後，才能執行任務，可以減少任務執行記憶體，設定小一些即可
16、記憶體不足或資料傾斜導致Executor Lost（spark-submit提交）
TaskSetManager: Lost task 1.0 in stage 6.0 (TID 100, 192.168.10.37): java.lang.OutOfMemoryError: Java heap space
16/01/15 14:29:51 INFO BlockManagerInfo: Added broadcast_8_piece0 in memory on 192.168.10.37:57139 (size: 42.0 KB, free: 24.2 MB)
16/01/15 14:29:53 INFO BlockManagerInfo: Added broadcast_8_piece0 in memory on 192.168.10.38:53816 (size: 42.0 KB, free: 24.2 MB)
16/01/15 14:29:55 INFO TaskSetManager: Starting task 3.0 in stage 6.0 (TID 102, 192.168.10.37, ANY, 2152 bytes)
16/01/15 14:29:55 WARN TaskSetManager: Lost task 1.0 in stage 6.0 (TID 100, 192.168.10.37): java.lang.OutOfMemoryError: Java heap space
at java.io.BufferedOutputStream.<init>(BufferedOutputStream.java:76)
at java.io.BufferedOutputStream.<init>(BufferedOutputStream.java:59)
at org.apache.spark.sql.execution.UnsafeRowSerializerInstance$$anon$2.<init>(UnsafeRowSerializer.scala:55)
at org.apache.spark.sql.execution.UnsafeRowSerializerInstance.serializeStream(UnsafeRowSerializer.scala:52)
at org.apache.spark.storage.DiskBlockObjectWriter.open(DiskBlockObjectWriter.scala:92)
at org.apache.spark.shuffle.sort.BypassMergeSortShuffleWriter.insertAll(BypassMergeSortShuffleWriter.java:110)
at org.apache.spark.shuffle.sort.SortShuffleWriter.write(SortShuffleWriter.scala:73)
at org.apache.spark.scheduler.ShuffleMapTask.runTask(ShuffleMapTask.scala:73)
at org.apache.spark.scheduler.ShuffleMapTask.runTask(ShuffleMapTask.scala:41)
at org.apache.spark.scheduler.Task.run(Task.scala:88)
at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:214)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1145)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615)
at java.lang.Thread.run(Thread.java:744)
16/01/15 14:29:55 ERROR TaskSchedulerImpl: Lost executor 6 on 192.168.10.37: remote Rpc client disassociated
16/01/15 14:29:55 INFO TaskSetManager: Re-queueing tasks for 6 from TaskSet 6.0
16/01/15 14:29:55 WARN ReliableDeliverySupervisor: Association with remote system [akka.tcp://[email protected]:42250] has failed, address is now gated for [5000] ms. Reason: [Disassociated]
16/01/15 14:29:55 WARN TaskSetManager: Lost task 3.0 in stage 6.0 (TID 102, 192.168.10.37): ExecutorLostFailure (executor 6 lost)
16/01/15 14:29:55 INFO DAGScheduler: Executor lost: 6 (epoch 8)
16/01/15 14:29:55 INFO BlockManagerMasterEndpoint: Trying to remove executor 6 from BlockManagerMaster.
16/01/15 14:29:55 INFO BlockManagerMasterEndpoint: Removing block manager BlockManagerId(6, 192.168.10.37, 57139)
16/01/15 14:29:55 INFO BlockManagerMaster: Removed 6 successfully in removeExecutor
16/01/15 14:29:55 INFO AppClient$ClientEndpoint: Executor updated: app-20160115142128-0001/6 is now EXITED (Command exited with code 52)
16/01/15 14:29:55 INFO SparkDeploySchedulerBackend: Executor app-20160115142128-0001/6 removed: Command exited with code 52
16/01/15 14:29:55 INFO SparkDeploySchedulerBackend: Asked to remove non-existent executor 6
.......
org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 6.0 failed 4 times, most recent failure: Lost task 0.3 in stage 6.0 (TID 142, 192.168.10.36): ExecutorLostFailure (executor 4 lost)
......
WARN TaskSetManager: Lost task 4.1 in stage 6.0 (TID 137, 192.168.10.38): java.lang.OutOfMemoryError: GC overhead limit exceeded
解決辦法：
由於我們在執行Spark任務是，讀取所需要的原資料，資料量太大，導致在Worker上面分配的任務執行資料時所需要的記憶體不夠，直接導致記憶體溢位了，所以我們有必要增加Worker上面的記憶體來滿足程式執行需要。
在Spark Streaming或者其他spark任務中，會遇到在Spark中常見的問題，典型如Executor Lost 相關的問題(shuffle fetch 失敗，Task失敗重試等)。這就意味著發生了記憶體不足或者資料傾斜的問題。這個目前需要考慮如下幾個點以獲得解決方案：
A、相同資源下，增加partition數可以減少記憶體問題。 原因如下：通過增加partition數，每個task要處理的資料少了，同一時間內，所有正在執行的task要處理的數量少了很多，所有Executor佔用的記憶體也變小了。這可以緩解資料傾斜以及記憶體不足的壓力。
B、關注shuffle read 階段的並行數。例如reduce,group 之類的函式，其實他們都有第二個引數，並行度(partition數)，只是大家一般都不設定。不過出了問題再設定一下，也不錯。
C、給一個Executor 核數設定的太多，也就意味著同一時刻，在該Executor 的記憶體壓力會更大，GC也會更頻繁。我一般會控制在3個左右。然後通過提高Executor數量來保持資源的總量不變。
16、 Spark Streaming 和kafka整合後讀取訊息報錯：OffsetOutOfRangeException
解決方案：如果和kafka訊息中介軟體結合使用，請檢查訊息體是否大於預設設定1m，如果大於，則需要設定fetch.message.max.bytes=1m，這裡需要把值設定大些
17、java.io.IOException : Could not locate executable null\bin\winutils.exe in the Hadoop binaries.（spark sql on hive 任務引發HiveContext NullPointerException）
解決辦法
在開發hive和Spark整合的時候，如果是Windows系統，並且沒有配置HADOOP_HOME的環境變數，那麼可能找不到winutils.exe這個工具，由於使用hive時，對該命令有依賴，所以不要忽視該錯誤，否則將無法建立HiveContext，一直報Exception in thread "main" java.lang.RuntimeException:java.lang.NullPointerException
因此，解決該辦法有兩個方式
A、把任務打包成jar，上傳到伺服器上面，伺服器是配置過HADOOP_HOME環境變數的，並且不需要依賴winutils,所以只需要通過spark-submit方式提交即可，如：
[[email protected] app]$ spark-submit --class com.pride.hive.HiveOnSparkTest --master spark://bdata4:7077 spark-simple-1.0.jar
B、解決winutils.exe命令不可用問題，配置Windows上面HADOOP_HOME的環境變數，或者在程式最開始的地方設定HADOOP_HOME的屬性配置,這裡需要注意，由於最新版本已經沒有winutils這些exe命令了，我們需要在其他地方下載該命令放入HADOOP的bin目錄下，當然也可以直接配置下載專案的環境變數，變數名一定要是HADOOP_HOME才行
任何專案都生效，需要配置Windows的環境變數，如果只在程式中生效可在程式中配置即可，如
//用於解決Windows下找不到winutils.exe命令
System. setProperty("hadoop.home.dir", "E:\\Software\\hadoop-common-2.2.0-bin" );
18、The root scratch dir: /tmp/hive on HDFS should be writable. Current permissions are: rwx------
解決辦法
1、程式中設定環境變數：System.setProperty("HADOOP_USER_NAME", "bdata")
2、修改HDFS的目錄許可權
Update the permission of your /tmp/hive HDFS directory using the following command
#hadoop dfs -chmod 777 /tmp/hive
此問題暫未解決，估計是17點解決winutils有問題，建議最好把任務程式釋出到伺服器上面解決
19、Exception in thread "main"org.apache.hadoop.security.AccessControlException: Permission denied: user=Administrator, access=WRITE, inode="/data":bdata:supergroup:drwxr-xr-x
解決辦法
1、在系統的環境變數或java JVM變數裡面新增HADOOP_USER_NAME，如程式中新增System.setProperty("HADOOP_USER_NAME", "bdata");，這裡的值就是以後會執行HADOOP上的Linux的使用者名稱，如果是eclipse，則修改完重啟eclipse，不然可能不生效
2、hdfs dfs -chmod 777 修改相應許可權地址
20、執行Spark-SQL報錯：org.apache.spark.sql.AnalysisException: unresolved operator 'Project
解決辦法：
在Spark-sql和hive結合時或者單獨Spark-sql，執行某些sql語句時，偶爾出現上面錯誤，那麼我們可以檢查一下sql的問題，這裡遇到的問題是巢狀語句太多，導致spark無法解析，所以需要修改sql或者改用其他方式處理；特別注意該語句可能在hive裡面沒有錯誤，spark才會出現的一種錯誤。
21、org.apache.spark.shuffle.MetadataFetchFailedException:Missing an output location for shuffle 0/Failed to connect to hostname/192.168.xx.xxx:50268
解決方法：
1.優化shuffle操作（比如groupby,join）
2.加大executor記憶體（spark.executor.memory）
3.加大並行化引數（spark.default.parallelism）
參考連結：
http://blog.csdn.net/lsshlsw/article/details/49155087
22、場景描述：spark提交任務，發現9個節點用8個執行都很快，只有一個節點一直失敗，檢視ui頁面也沒有發現數據傾斜
問題定位：通過檢視節點的work日誌發現如下輸出：
問題解決：修改spark的最大重試引數：spark.port.maxRetries 值從45=>16
23.spark streaming程式異常終止：
18/01/27 09:52:35 ERROR scheduler.DAGScheduler: Failed to update accumulators for ShuffleMapTask(421, 2)
java.net.SocketException: Broken pipe (Write failed)
18/01/27 09:52:36 ERROR scheduler.JobScheduler: Error generating jobs for time 1517017956000 ms
py4j.Py4JException: Cannot obtain a new communication channel
24.cloudera 更改spark配置：
業務場景：在使用cloudera manager搭建spark叢集的過程中總是有些引數在配置介面中搜索不到
問題解決：叢集=>配置=>高階，找到右側的顯示所有說明，找到你要修改的配置檔案就可以了
25.java.io.IOException: Cannot run program “/etc/hadoop/conf.cloudera.yarn/topology.py” (in directory “/home/108857”): error=2。
Java.io.IOException: Cannot run program "/etc/hadoop/conf.cloudera.yarn/topology.py" (in directory "/etc/hadoop/conf.cloudera.yarn"): error=13, Permission denied
解決方案：
把datanode上的 /etc/hadoop/conf.cloudera.yarn/topology.py和topology.map 複製到執行spark-shell的機器上即可。
chmod 777 /etc/hadoop/conf.cloudera.yarn/topology.py